한국어를 자연스럽게 만드는 사용자 특화 가이드

한국어 AI 음성이 어색하게 들리는 진짜 이유

한국어 콘텐츠를 만들 때 많은 사람이 처음에는 목소리부터 의심한다. "이 음성이 별로인가?", "더 비싼 플랜을 써야 하나?", "한국어 지원이 아직 부족한가?" 하고 생각한다. 물론 음성 선택은 중요하다. 하지만 실제로 한국어 AI 내레이션에서 'AI 티'가 나는 가장 큰 이유는 목소리 하나가 아니다.

대부분은 원고와 설정의 문제다.

사람은 문장을 읽을 때 의미를 먼저 파악한 뒤 자연스럽게 끊어 읽는다. "오늘은 AI로 유튜브 쇼츠를 만드는 방법을 알려드릴게요"라는 문장을 읽을 때도, 사람은 '오늘은 / AI로 / 유튜브 쇼츠를 만드는 방법을 / 알려드릴게요'처럼 의미 단위로 나눈다. 그런데 TTS는 입력된 글자를 바탕으로 소리를 만든다. 문장이 너무 길거나, 조사와 고유명사가 어색하게 붙어 있거나, 영어 약어와 숫자가 섞여 있으면 모델은 순간적으로 길을 잃는다.

한국어는 특히 까다롭다. 받침, 조사, 띄어쓰기, 숫자 단위, 한자어, 외래어가 한 문장 안에서 계속 섞인다. "GPT-4o API를 활용해 ROI를 높였습니다"라는 문장은 사람에게는 익숙해도, 음성 모델에게는 함정이 많은 문장이다. 그대로 넣으면 "지피티 포오 에이피아이를 활용해 알오아이를 높였습니다"처럼 자연스럽게 나올 수도 있지만, 때로는 영어식 억양이 튀거나, 숫자와 알파벳을 예상과 다르게 읽거나, 조사 연결이 어색하게 들릴 수 있다.

그래서 한국어 콘텐츠 제작자는 일레븐랩스를 단순한 음성 생성기가 아니라 '한국어 낭독 엔진'으로 다뤄야 한다. 좋은 음성을 고르고, 모델을 맞추고, 원고를 소리 나는 문장으로 다듬고, 발음 사전을 만들어야 한다. 이 장에서는 그 과정을 하나의 실전 워크플로우로 정리한다.

eleven_v3와 Multilingual v2, 한국어에서는 어떻게 다르게 써야 할까

일레븐랩스에서 한국어를 만들 때 가장 먼저 부딪히는 선택은 모델이다. 특히 콘텐츠 제작자가 자주 고민하는 축은 eleven_v3와 Multilingual v2다. 둘 다 한국어를 생성할 수 있지만, 성격이 다르다. 한쪽이 무조건 더 좋다기보다, 어떤 콘텐츠를 만들 것인지에 따라 선택이 달라진다.

eleven_v3는 표현력이 강한 모델로 이해하면 쉽다. 감정, 리듬, 웃음, 속삭임, 놀람 같은 연기적인 요소를 적극적으로 활용하기 좋다. 특히 v3에서는 [whispers], [laughs], [excited] 같은 오디오 태그를 통해 문장의 분위기를 더 직접적으로 지시할 수 있다. 숏폼, 광고, 캐릭터형 콘텐츠, 몰입형 스토리텔링에서는 이 장점이 크게 느껴진다.

반면 Multilingual v2는 안정적인 다국어 내레이션에 강한 선택지로 볼 수 있다. 여러 언어가 섞인 스크립트, 차분한 설명형 영상, 긴 강의나 오디오북처럼 일관성이 중요한 콘텐츠에서는 안정적인 발음과 톤 유지가 더 중요하다. 감정 표현을 과하게 넣기보다, 원고를 깨끗하게 읽고 의미를 흐트러뜨리지 않는 쪽이 유리하다.

둘의 차이는 다음처럼 정리할 수 있다.

예를 들어 "월 5만 원으로 얼굴 없는 유튜브 채널을 운영하는 방법"이라는 8분짜리 설명 영상을 만든다면 Multilingual v2가 출발점으로 좋다. 반대로 "3초 안에 시선을 잡아야 하는 쇼츠 광고"라면 eleven_v3가 더 잘 맞을 수 있다. 중요한 것은 모델의 성격을 콘텐츠의 목적에 맞추는 것이다.

한국어에서는 특히 감정 표현과 안정성을 동시에 욕심내면 실패하기 쉽다. 차분한 강의에 [excited]를 남발하면 강사가 갑자기 홈쇼핑 진행자처럼 들릴 수 있고, 반대로 쇼츠 인트로를 너무 안정적인 설정으로 만들면 첫 2초에서 힘이 빠진다. 모델 선택은 기술적 선택이 아니라 연출 선택이다.

한국어에 강한 음성을 찾는 법: Voice Library 탐색 기준

Voice Library에서 음성을 고를 때 가장 흔한 실수는 "목소리 색깔"만 듣는 것이다. 낮고 멋있는 목소리, 귀여운 목소리, 라디오 DJ 같은 목소리에 끌리는 것은 자연스럽다. 하지만 한국어 콘텐츠에서는 먼저 확인해야 할 것이 따로 있다. 그 음성이 한국어 문장을 얼마나 자연스럽게 처리하는지다.

영어 샘플에서는 훌륭하게 들리는 음성도 한국어에서는 억양이 떠 있거나, 받침이 흐려지거나, 조사 연결이 어색할 수 있다. 반대로 첫인상은 평범해도 한국어 문장을 안정적으로 읽는 음성은 긴 콘텐츠에서 훨씬 강하다.

Voice Library에서 한국어용 음성을 찾을 때는 다음 순서로 확인하자.

1. 언어 또는 다국어 지원 여부를 먼저 확인한다.

2. 한국어 샘플 문장을 직접 넣어 미리듣기한다.

3. 받침, 조사, 숫자, 영어 약어가 섞인 테스트 문장을 읽혀 본다.

4. 콘텐츠 목적에 맞는 톤인지 확인한다.

5. 긴 문장에서도 톤이 무너지지 않는지 확인한다.

여기서 말하는 PVC는 Professional Voice Clone, 즉 전문적으로 제작되었거나 품질 관리가 된 복제 음성 계열을 뜻한다. 반드시 PVC만 써야 한다는 뜻은 아니다. 하지만 상업 콘텐츠, 강의, 광고처럼 반복 사용해야 하는 프로젝트라면 품질이 안정적인 음성을 고르는 것이 결과물의 편차를 줄인다.

다국어 음성을 찾을 때는 "한국어를 할 수 있는가"와 "한국어가 자연스러운가"를 구분해야 한다. 어떤 음성은 한국어를 읽을 수 있지만 영어 화자의 리듬이 남아 있다. "오늘은 인공지능을 활용한 콘텐츠 제작 방법을 알아보겠습니다"를 읽을 때 '인공지능'이나 '콘텐츠'에서 강세가 이상하게 들어가면, 시청자는 정확히 이유를 설명하지 못해도 어색함을 느낀다.

테스트 문장 하나로 음성의 실력을 확인하는 법

음성을 고를 때는 매번 같은 테스트 문장을 쓰는 것이 좋다. 그래야 음성끼리 비교가 가능하다. 다음 문장을 복사해 Voice Library 미리듣기나 TTS 테스트에 넣어 보자.

안녕하세요. 오늘은 2026년 기준으로, AI 보이스를 활용해 유튜브 쇼츠와 온라인 강의를 만드는 방법을 알아보겠습니다. 일레븐랩스, 오픈에이아이, 네이버 클로바 같은 도구를 비교하고, 월 5만 원 안에서 시작하는 현실적인 제작 흐름까지 정리해 드릴게요.

이 문장에는 한국어 TTS가 어려워하는 요소가 일부러 들어 있다. 날짜, 영어 약어, 외래어, 회사명, 숫자 단위, 긴 설명 문장이 섞여 있다. 이 문장을 자연스럽게 읽는 음성은 실제 콘텐츠에서도 실패 확률이 낮다.

더 강하게 테스트하고 싶다면 다음 문장을 추가한다.

김하준 대표는 서울 성수동에서 열린 세미나에서 "API 비용을 줄이는 것이 ROI 개선의 핵심입니다"라고 말했습니다. 참가비는 3만 9천 원이었고, 신청자는 총 1,250명이었습니다.

이 문장은 사람 이름, 지명, 인용문, 영어 약어, 금액, 숫자 단위가 들어 있다. 여기서 발음이 크게 흔들리는 음성은 한국어 비즈니스 콘텐츠에 쓰기 어렵다.

음성을 평가할 때는 막연히 "좋다, 별로다"로 판단하지 말고 다음 기준으로 들어야 한다.

좋은 음성은 한 문장 안에서 존재감이 과하지 않다. 콘텐츠의 주인공은 목소리가 아니라 메시지다. 시청자가 "목소리 좋다"라고 느끼는 것도 좋지만, 더 좋은 결과는 목소리를 의식하지 않고 끝까지 듣는 것이다.

외국 억양을 줄이는 기본 설정 조합

한국어에서 외국 억양이 들리는 이유는 음성 자체의 특성일 수도 있지만, 설정이 억양을 과장하기 때문인 경우도 많다. 특히 Style 값을 높게 주거나, 감정 태그를 과하게 넣거나, 원고에 영어와 숫자를 그대로 많이 남겨두면 억양이 흔들리기 쉽다.

처음부터 완벽한 값을 찾으려 하지 말고 콘텐츠 유형별 기본값에서 시작하자. 아래 값은 절대 공식이 아니라 출발점이다. 음성마다 반응이 다르므로 10초짜리 샘플을 여러 번 뽑아 비교하는 것이 좋다.

Stability는 말 그대로 안정성에 가깝다. 값을 높이면 예측 가능하고 차분한 결과가 나오기 쉽지만, 너무 높으면 감정 변화가 줄어 밋밋해질 수 있다. 한국어 강의나 정보 콘텐츠에서는 너무 낮은 Stability보다 중간 이상이 안전하다.

Similarity는 선택한 음성의 정체성을 얼마나 유지할지에 영향을 준다. 값을 너무 낮추면 음색이 흔들릴 수 있고, 너무 높이면 특정 음성의 습관이나 억양이 강하게 남을 수 있다. 한국어에서는 보통 70 이상에서 시작해 보는 편이 좋다.

Style은 표현력을 키우는 설정이다. 문제는 한국어에서 Style을 높이면 감정만 커지는 것이 아니라 억양의 굴곡도 함께 커질 수 있다는 점이다. 숏폼에서는 장점이 되지만, 강의에서는 단점이 된다. 긴 설명 영상에서 "AI가 콘텐츠 제작 방식을 바꾸고 있습니다"라는 문장이 매번 드라마 대사처럼 들리면 피곤하다.

Speaker Boost는 음성을 더 선명하고 앞으로 나오게 만드는 데 도움이 될 수 있다. 다만 어떤 음성에서는 치찰음, 즉 'ㅅ', 'ㅈ', 'ㅊ' 같은 소리가 날카롭게 들리거나, 고음역이 강조되어 인공적인 느낌이 커질 수 있다. 한국어에서는 반드시 켠 버전과 끈 버전을 비교하자. 특히 이어폰으로 들었을 때 피곤하면 끄는 편이 나을 수 있다.

설정을 찾을 때는 30초가 아니라 10초로 실험하라

초보자는 한 번에 긴 원고를 넣고 결과를 기다린다. 그리고 마음에 들지 않으면 전체를 다시 생성한다. 이 방식은 시간과 크레딧을 낭비한다. 한국어 설정을 잡을 때는 10초 테스트가 훨씬 효율적이다.

먼저 실제 원고에서 가장 어려운 문장 2~3개를 고른다. 쉬운 문장으로 테스트하면 안 된다. "안녕하세요, 반갑습니다"는 어떤 음성도 그럭저럭 잘 읽는다. 대신 숫자, 고유명사, 영어 약어, 긴 수식어가 들어간 문장을 골라야 한다.

예를 들어 다음과 같은 문장이 좋다.

2026년 기준으로, AI 음성 제작 시장은 유튜브 쇼츠, 온라인 강의, 다국어 광고 영상까지 빠르게 확장되고 있습니다.

이 문장을 기준으로 모델과 설정을 바꿔 가며 생성한다. 파일 이름에는 설정값을 적어 둔다. 예를 들어 v2_st60_style10_boost_on, v3_st45_style35_boost_off처럼 저장하면 나중에 비교가 쉽다.

비교할 때는 스피커로 한 번, 이어폰으로 한 번 듣는다. 유튜브 시청자는 스마트폰 스피커로 듣는 경우가 많고, 강의 수강자는 이어폰으로 듣는 경우가 많다. 한 환경에서만 좋게 들리는 음성은 실제 배포 후 문제가 생길 수 있다.

원고를 '읽는 글'이 아니라 '말하는 글'로 바꿔라

한국어 TTS의 자연스러움은 원고에서 절반 이상 결정된다. 블로그 글을 그대로 읽히면 어색한 이유가 여기에 있다. 글로 읽기 좋은 문장과 귀로 듣기 좋은 문장은 다르다.

블로그 문장은 정보를 압축한다. 한 문장 안에 조건, 예외, 설명, 부연을 모두 넣는다. 하지만 내레이션 문장은 한 번에 하나의 생각만 전달해야 한다. 시청자는 뒤로 돌아가 문장을 다시 읽지 않는다. 귀로 듣는 순간 이해되어야 한다.

다음 문장을 보자.

AI 음성 도구를 활용하면 성우 섭외 비용을 줄일 수 있을 뿐 아니라, 스크립트 수정이 잦은 유튜브 쇼츠나 광고 영상 제작 과정에서도 빠르게 재녹음할 수 있다는 장점이 있다.

글로 보면 괜찮다. 하지만 음성으로 들으면 길다. 다음처럼 바꾸면 훨씬 자연스럽다.

AI 음성 도구를 쓰면 성우 섭외 비용을 줄일 수 있습니다. 또 스크립트를 고쳐도 바로 다시 녹음할 수 있죠. 그래서 유튜브 쇼츠나 광고 영상을 자주 만드는 사람에게 특히 유용합니다.

의미는 거의 같지만 듣는 느낌은 다르다. 두 번째 문장은 호흡이 짧고, 강조점이 분명하다. AI 음성이 읽어도 덜 어색하다.

한국어 원고를 TTS용으로 바꿀 때는 다음 원칙을 적용하자.

1. 한 문장에는 하나의 핵심만 넣는다.

2. 쉼표보다 마침표를 자주 쓴다.

3. 긴 수식어는 앞뒤 문장으로 나눈다.

4. 한자어와 외래어가 몰려 있으면 쉬운 말로 풀어쓴다.

5. 숫자와 약어는 소리 나는 방식으로 미리 정리한다.

특히 "및", "또는", "이를 통해", "해당", "상기", "본 콘텐츠에서는" 같은 문어체 표현은 음성에서 딱딱하게 들린다. 강의나 기업 영상에서는 어느 정도 필요할 수 있지만, 유튜브와 숏폼에서는 가능한 한 말하듯 바꾸는 편이 좋다.

"본 영상에서는 AI 음성 생성 도구의 주요 기능 및 활용 방안을 소개합니다"보다 "이번 영상에서는 AI 음성 도구로 무엇을 만들 수 있는지 보여드릴게요"가 더 자연스럽다.

조사와 어미가 어색할 때 고치는 법

한국어에서 AI 티가 가장 빨리 드러나는 부분은 조사다. "AI가", "API를", "GPT는", "ElevenLabs에서" 같은 표현은 글로는 문제가 없어 보이지만, 음성에서는 앞 단어와 조사가 자연스럽게 붙지 않을 때가 있다.

해결법은 간단하다. 모델이 읽기 쉬운 형태로 풀어 쓰면 된다.

특히 초보자를 대상으로 하는 콘텐츠라면 약어를 처음 한 번은 풀어 주는 것이 좋다. "ROI"를 그대로 읽히는 대신 "투자 대비 수익률, 즉 알오아이"라고 말하면 자연스럽고 친절하다. 이후부터는 "알오아이"로 통일하면 된다.

어미도 중요하다. 한국어 AI 음성은 "합니다"체를 안정적으로 읽는 편이지만, 모든 문장을 "합니다"로 끝내면 딱딱하다. 유튜브 정보 채널에서는 "합니다", "이죠", "볼게요", "좋습니다"를 섞으면 사람의 설명처럼 들린다.

예를 들어 다음처럼 바꿀 수 있다.

단, 너무 구어체로 가면 신뢰도가 떨어질 수 있다. "완전 대박이에요", "진짜 미쳤습니다" 같은 표현은 숏폼에는 어울릴 수 있지만, 강의나 기업 영상에서는 과하다. 콘텐츠의 성격에 맞는 말투를 정해야 한다.

고유명사 발음 사전 만들기

한국어 콘텐츠에서 고유명사는 작은 지뢰밭이다. 사람 이름, 회사명, 서비스명, 지명, 제품명, 영어 약어가 계속 등장한다. 이 단어들을 매번 모델에게 맡기면 결과가 흔들릴 수 있다. 그래서 프로젝트마다 발음 사전을 만들어야 한다.

발음 사전은 거창한 도구가 아니다. 엑셀, 구글 시트, 노션, 메모장 어디든 괜찮다. 핵심은 "원래 표기", "읽을 표기", "사용 기준"을 정리하는 것이다.

이 표를 만든 뒤 원고 작성 단계에서 일괄 치환하면 된다. "ElevenLabs API를 활용하면"이라고 쓰는 대신 "일레븐랩스 에이피아이를 활용하면"이라고 넣는다. 보기에는 조금 덜 세련돼 보일 수 있지만, TTS 결과물은 훨씬 안정적이다.

사람 이름은 더 조심해야 한다. "정유진", "최서윤", "김하준" 같은 이름은 대체로 잘 읽지만, 드문 이름이나 예명, 외국식 이름은 흔들릴 수 있다. 이럴 때는 문장 안에서 이름을 한 번 분리해 주면 좋다.

김하준대표는 오늘 발표에서 이렇게 말했습니다.

이 문장은 붙어 있어 어색하게 처리될 수 있다. 다음처럼 바꾼다.

김하준 대표는 오늘 발표에서 이렇게 말했습니다.

아주 단순한 띄어쓰기지만 결과가 달라진다. 브랜드명도 마찬가지다. "런웨이ML로 만든 영상"보다 "런웨이 엠엘로 만든 영상"이 더 안정적일 수 있다.

숫자와 단위는 반드시 한국어식으로 풀어쓰기

숫자는 한국어 TTS에서 가장 자주 사고가 나는 영역이다. 숫자를 아라비아 숫자로 남겨두면 모델이 맥락에 따라 읽어 주기도 하지만, 항상 원하는 방식으로 읽는다는 보장은 없다. 특히 금액, 날짜, 퍼센트, 조회수, 구독자 수, 시간은 콘텐츠에서 자주 등장하므로 미리 규칙을 정해야 한다.

한국어에서는 숫자를 무조건 한글로 풀어 쓰는 것이 정답은 아니다. 작업용 원고에서는 한글로 풀고, 사람이 보는 자막에서는 숫자를 유지하는 방식이 좋다. 예를 들어 내레이션 원고에는 "월 십만 원"이라고 쓰고, 자막에는 "월 10만 원"이라고 표시하면 된다.

이 원칙은 유튜브에서 특히 중요하다. 시청자는 귀로는 자연스러운 한국어를 듣고, 눈으로는 빠르게 이해되는 숫자를 본다. 음성과 자막의 역할을 다르게 가져가면 결과물이 훨씬 전문적으로 보인다.

숫자가 많은 강의나 리포트형 콘텐츠에서는 숫자 전용 발음 규칙을 만들어 두자.

여기서 중요한 것은 통일성이다. 같은 영상 안에서 v3를 한 번은 "브이 쓰리", 한 번은 "버전 삼", 또 한 번은 "브이 삼"으로 읽으면 전문성이 떨어진다. 어떤 표기를 선택하든 한 프로젝트 안에서는 하나로 고정하자.

영어 약어와 한자어를 자연스럽게 바꾸는 법

AI, API, TTS, STT, LLM, RAG 같은 약어는 이 책의 독자에게 익숙할 수 있다. 하지만 시청자에게는 다를 수 있다. 그리고 TTS 입장에서는 더 까다롭다. 약어가 많을수록 한국어 리듬이 깨진다.

해결법은 두 가지다. 하나는 한글 발음으로 고정하는 것이고, 다른 하나는 의미를 풀어 쓰는 것이다.

개발자 대상 영상에서는 "알에이지 기반 음성 챗봇"이라고 말해도 된다. 하지만 일반 사업자 대상 영상에서는 "문서를 찾아가며 답변하는 음성 챗봇"이라고 말하는 편이 더 좋다. 기술 용어를 유지할지, 쉬운 말로 바꿀지는 콘텐츠의 타겟에 따라 결정해야 한다.

한자어도 마찬가지다. "전환율 개선", "잔존율 증가", "고도화", "최적화", "자동화" 같은 말은 마케팅과 개발 분야에서는 익숙하지만, 너무 몰리면 음성이 딱딱해진다. AI 음성은 이런 단어를 정확히 읽을 수 있어도, 듣는 사람은 피로를 느낄 수 있다.

예를 들어 "고객 응대 프로세스를 고도화하여 전환율을 개선합니다"는 다음처럼 바꿀 수 있다.

고객 문의에 더 빠르게 답하고, 구매로 이어질 가능성을 높입니다.

더 쉽고, 더 잘 들리고, AI 음성도 자연스럽게 읽는다. 한국어 TTS에서 자연스러움은 발음만의 문제가 아니다. 이해하기 쉬운 문장이 곧 자연스러운 음성으로 이어진다.

v3 오디오 태그를 한국어에서 쓰는 요령

eleven_v3의 오디오 태그는 잘 쓰면 강력하다. 하지만 한국어에서는 과하게 쓰면 바로 연극톤이 된다. 특히 정보성 유튜브나 강의 콘텐츠에서는 감정 태그를 장면 전환용으로만 쓰는 것이 좋다.

예를 들어 쇼츠 인트로에서는 다음처럼 사용할 수 있다.

[excited] 단 10초 만에, AI 목소리로 쇼츠 내레이션을 만드는 방법을 보여드릴게요.

이 정도는 훅을 만드는 데 도움이 된다. 하지만 본문 전체에 [excited]를 계속 붙이면 시청자는 금방 피곤해진다. 감정 태그는 양념이지 밥이 아니다.

한국어에서 비교적 안전하게 쓸 수 있는 방식은 장면 단위로 태그를 넣는 것이다.

오디오 태그를 넣을 때는 태그가 필요한 이유가 있어야 한다. "이 문장을 왜 속삭여야 하는가?", "왜 여기서 웃어야 하는가?"를 설명할 수 없다면 빼는 편이 낫다.

한국어 설명 영상에서 가장 좋은 태그 사용법은 초반 5초와 장면 전환 지점에만 넣는 것이다. 본문은 안정적으로 읽히게 두고, 중요한 순간에만 감정을 더하면 AI 티가 줄어든다.

한국어 음성 선택 매트릭스

이제 콘텐츠 유형별로 어떤 음성을 고르면 좋은지 정리해 보자. 아래 매트릭스는 특정 음성 이름을 추천하는 대신, 어떤 성격의 음성을 찾아야 하는지 알려 주는 기준표다. Voice Library는 계속 바뀌고 새로운 음성이 추가되므로, 이름보다 선택 기준을 익히는 편이 오래 간다.

차분한 설명형은 얼굴 없는 유튜브 채널의 기본이다. 경제, 역사, IT, 자기계발, 책 요약 콘텐츠에 잘 맞는다. 이 유형에서는 목소리가 튀면 오히려 방해가 된다. 시청자가 8분, 12분, 20분을 들어야 하므로 편안함이 가장 중요하다.

정보 채널형은 차분함보다 약간의 추진력이 필요하다. "오늘의 핵심은 세 가지입니다"라고 말했을 때 집중을 끌어야 한다. 너무 느리면 지루하고, 너무 빠르면 신뢰감이 떨어진다. 중간 속도에 발음이 또렷한 음성을 찾자.

숏폼형은 첫 2초가 전부다. 같은 문장도 "이 설정을 모르면 AI 목소리가 계속 어색합니다"라고 힘 있게 말해야 한다. eleven_v3의 표현력과 오디오 태그를 활용하기 좋지만, 과장되면 저가 광고처럼 들릴 수 있으니 주의해야 한다.

광고형은 제품의 성격에 따라 달라진다. 프리미엄 브랜드라면 낮고 차분한 음성이 좋고, 앱 설치 광고나 이벤트 영상이라면 밝고 빠른 음성이 좋다. 중요한 것은 문장 끝을 흐리지 않는 음성이다. 광고에서는 마지막 CTA, 즉 행동 유도 문장이 또렷해야 한다.

교육형은 오래 들어도 피곤하지 않아야 한다. 강의 음성은 화려할 필요가 없다. 오히려 일정하고 친절한 톤이 좋다. 수강생은 목소리에 감탄하려고 강의를 듣는 것이 아니라 내용을 이해하려고 듣는다.

한국어 자연스러움 체크리스트

음성을 생성한 뒤에는 반드시 체크리스트로 검수해야 한다. 한 번 듣고 "괜찮은 것 같은데?"라고 넘기면, 업로드 후 댓글에서 문제를 발견하게 된다. 특히 유튜브에서는 첫 영상에서 음성이 어색하다는 인상을 주면 채널 신뢰도가 떨어진다.

다음 체크리스트를 사용하자.

검수할 때는 반드시 영상 편집 전 음성만 따로 들어야 한다. 배경음악과 영상이 들어가면 발음 문제가 가려진다. 음성만 들었을 때 자연스러운 파일이 최종 영상에서도 좋다.

또 하나의 방법은 1.2배속으로 들어 보는 것이다. 유튜브 시청자 중 일부는 영상을 빠르게 본다. 1.2배속에서도 의미가 분명하면 원고와 발음이 잘 정리된 것이다. 반대로 1.2배속에서 고유명사와 숫자가 뭉개지면 수정해야 한다.

문제별 빠른 해결표

실전에서는 원인을 오래 분석할 시간이 없다. 아래 표를 옆에 두고 문제를 빠르게 해결하자.

이 표에서 가장 먼저 시도할 것은 원고 수정이다. 많은 문제가 설정 변경보다 원고 수정으로 더 잘 해결된다. 특히 한국어에서는 "읽을 수 있는 텍스트"와 "듣기 좋은 텍스트"의 차이가 크다.

한국어 TTS 원고 전처리 루틴

실무에서는 매번 감으로 고치면 시간이 오래 걸린다. 그래서 원고 전처리 루틴을 만들어 두는 것이 좋다. 다음 순서대로 처리하면 대부분의 한국어 발음 문제가 줄어든다.

1. 블로그식 긴 문장을 2~3개의 짧은 문장으로 나눈다.

2. 영어 약어와 브랜드명을 한글 발음으로 바꾼다.

3. 숫자, 금액, 날짜, 퍼센트를 한국어식으로 풀어 쓴다.

4. 어려운 한자어를 쉬운 말로 바꾼다.

5. 강조할 문장 앞뒤에 충분한 쉼을 만든다.

6. 10초 테스트 음성을 생성해 억양을 확인한다.

7. 최종 원고와 자막용 원고를 분리한다.

여기서 마지막 단계가 중요하다. 음성용 원고와 자막용 원고는 같을 필요가 없다. 음성용 원고는 "삼 점 오 퍼센트"라고 쓰고, 자막에는 "3.5%"라고 보여 주면 된다. 음성은 귀에 맞추고, 자막은 눈에 맞춘다. 이 차이를 이해하면 콘텐츠 완성도가 크게 올라간다.

예를 들어 음성용 원고는 다음과 같이 쓴다.

이 설정을 바꾸면, 에이아이 목소리의 어색한 억양을 꽤 줄일 수 있습니다. 특히 에이피아이를 쓰는 분들은, 숫자와 고유명사를 먼저 정리하는 게 중요합니다.

자막용 원고는 이렇게 정리한다.

이 설정을 바꾸면 AI 목소리의 어색한 억양을 줄일 수 있습니다. 특히 API를 쓰는 분들은 숫자와 고유명사를 먼저 정리하세요.

둘 다 같은 메시지지만 역할이 다르다. 이 방식은 유튜브, 숏폼, 강의 영상 모두에 적용할 수 있다.

실제 워크플로우: 한국어 유튜브 내레이션 만들기

이제 하나의 예시로 전체 과정을 연결해 보자. 주제는 "AI 음성으로 얼굴 없는 유튜브 채널 만들기"다.

먼저 원고 초안을 작성한다.

AI 음성 도구를 활용하면 얼굴을 공개하지 않고도 유튜브 채널을 운영할 수 있으며, 성우 섭외 비용을 절감하고, 스크립트 수정 시 빠르게 재녹음할 수 있습니다.

이 문장은 정보는 많지만 길고 딱딱하다. 음성용으로 바꾼다.

얼굴을 공개하지 않고도 유튜브 채널을 운영할 수 있습니다. 방법은 간단합니다. 원고를 쓰고, 에이아이 음성으로 내레이션을 만들고, 영상 편집 도구에서 화면을 붙이면 됩니다. 성우를 매번 섭외하지 않아도 되고, 원고를 고쳤을 때 바로 다시 녹음할 수 있습니다.

다음으로 고유명사와 약어를 정리한다.

그다음 음성을 선택한다. 얼굴 없는 정보 채널이라면 지나치게 개성 있는 음성보다 안정적인 중저음이나 부드러운 설명형 음성을 고른다. 모델은 Multilingual v2에서 시작하고, Stability는 55~65, Style은 10~20 정도로 테스트한다. 만약 초반 훅이 약하면 첫 문장만 eleven_v3로 따로 만들거나, v3에서 Style을 30 전후로 올려 비교한다.

마지막으로 10초 테스트를 생성한다.

얼굴을 공개하지 않고도 유튜브 채널을 운영할 수 있습니다. 방법은 간단합니다. 원고를 쓰고, 에이아이 음성으로 내레이션을 만들면 됩니다.

이 문장이 자연스럽다면 전체 원고를 생성한다. 이상하다면 전체를 다시 만들지 말고, 먼저 원고를 고친다. 그래도 해결되지 않으면 설정을 바꾸고, 마지막에 음성을 바꾼다. 순서는 원고, 설정, 음성이다. 대부분의 초보자는 반대로 한다. 음성을 계속 바꾸다가 시간을 쓰고, 정작 원고는 그대로 둔다.

한국어 콘텐츠에서 좋은 음성은 '덜 튀는 음성'이다

한국어 AI 보이스를 고를 때 기억해야 할 핵심은 단순하다. 좋은 음성은 화려한 음성이 아니라 콘텐츠에 맞는 음성이다. 숏폼에서는 에너지가 필요하고, 강의에서는 편안함이 필요하고, 광고에서는 설득력이 필요하다. 하나의 음성으로 모든 콘텐츠를 해결하려고 하면 어딘가에서 어색해진다.

또한 한국어에서는 목소리보다 문장의 힘이 크다. 같은 음성이라도 원고를 어떻게 쓰느냐에 따라 완전히 다르게 들린다. "AI TTS를 활용한 콘텐츠 제작 워크플로우를 소개합니다"보다 "에이아이 목소리로 콘텐츠를 만드는 전체 과정을 보여드릴게요"가 훨씬 자연스럽다. 기술적으로는 같은 말이지만, 귀로 듣는 경험은 다르다.

이 장의 내용을 실무적으로 압축하면 다음과 같다.

1. 긴 한국어 콘텐츠는 Multilingual v2에서 안정적으로 시작한다.

2. 감정과 훅이 필요한 장면은 eleven_v3를 적극적으로 테스트한다.

3. Voice Library에서는 예쁜 목소리보다 한국어 테스트 문장을 잘 읽는 음성을 고른다.

4. 외국 억양이 들리면 Style을 낮추고, 약어와 숫자를 한글식으로 풀어 쓴다.

5. 프로젝트마다 발음 사전을 만들어 고유명사와 숫자 표기를 통일한다.

한국어 AI 음성의 완성도는 '한 번에 좋은 결과를 뽑는 능력'이 아니라 '어색함을 찾아 줄이는 능력'에서 나온다. 처음 생성한 파일이 70점이어도 괜찮다. 발음 사전을 만들고, 원고를 말하듯 고치고, 설정을 조금씩 맞추면 85점, 90점까지 올라간다.

그 정도면 충분하다. 시청자는 완벽한 성우를 기대하는 것이 아니다. 듣기 편하고, 정보가 잘 들어오고, 콘텐츠가 유익하면 계속 본다. 일레븐랩스로 한국어 콘텐츠를 만든다는 것은 결국 기술을 다루는 일이면서 동시에 한국어를 다시 배우는 일이다. 글자를 소리로 바꾸는 순간, 좋은 문장과 나쁜 문장이 드러난다. 그 차이를 다듬을 줄 아는 사람이 AI 음성 시대의 좋은 크리에이터가 된다.